研究者发布视频理解智能体综述论文

Xinyu Deng 等人发布综述论文《Agentic Video Understanding: A Survey》，系统梳理视频理解智能体领域的文献，并提出一套挑战-设计分类体系。该综述已被 DICTA 2026 录用，全文共 15 页、含 3 图。 论文将视频理解智能体定义为：以视频为主要信息源，通过自适应状态构建与动作选择来完成理解任务的系统，认为该领域正从固定的视频-语言推理走向主动决策的 agentic 系统。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。